- •Лекции по эконометрике Учебное пособие Введение
- •1. Предмет и методы эконометрики
- •1.1. Предмет и методы эконометрики
- •1.2. Характеристика взаимосвязей
- •1.3. Основные этапы построения эконометрической модели
- •1.4. Методы отбора факторов
- •1.4.1. Эконометрические переменные
- •1.4.2. Методика отбора факторов для включения в модель
- •1.5. Выбор вида эконометрической модели
- •1.6. Оценка параметров моделей
- •1.7. Примеры эконометрических моделей
- •Контрольные вопросы
- •2. Парный регрессионный анализ
- •2.1. Понятие парной регрессии
- •2.2. Построение уравнения регрессии
- •2.2.1. Постановка задачи
- •2.2.2. Спецификация модели
- •2.3. Оценка параметров линейной парной регрессии
- •2.4. Оценка параметров нелинейных моделей
- •2.5. Качество оценок мнк линейной регрессии. Теорема Гаусса-Маркова
- •2.6. Проверка качества уравнения регрессии. F-критерий Фишера
- •2.7. Коэффициенты корреляции. Оценка тесноты связи
- •2.8. Точность коэффициентов регрессии. Проверка значимости
- •2.9. Точечный и интервальный прогноз по уравнению линейной регрессии
- •2.10. Коэффициент эластичности
- •Контрольные вопросы
- •3. Множественный регрессионный анализ
- •3.1. Понятие множественной регрессии
- •3.2. Отбор факторов при построении множественной регрессии
- •3.2.1. Требования к факторам
- •3.2.2. Мультиколлинеарность
- •3.3. Выбор формы уравнения регрессии
- •3.4. Оценка параметров уравнения линейной множественной регрессии
- •3.5. Качество оценок мнк линейной множественной регрессии. Теорема Гаусса-Маркова
- •3.6. Проверка качества уравнения регрессии. F-критерий Фишера
- •3.7. Точность коэффициентов регрессии. Доверительные интервалы
- •3.8. Частные уравнения регрессии. Частная корреляция
- •3.9. Обобщенный метод наименьших квадратов. Гетероскедастичность
- •3.9.1. Обобщенный метод наименьших квадратов
- •3.9.2. Обобщенный метод наименьших квадратов в случае гетероскедастичности остатков
- •3.10. Проверка остатков регрессии на гетероскедастичность
- •3.11. Построение регрессионных моделей при наличии автокорреляции остатков
- •3.12. Регрессионные модели с переменной структурой. Фиктивные переменные
- •3.12.1. Фиктивные переменные
- •3.12.2. Тест Чоу
- •3.11. Проблемы построения регрессионных моделей
- •Контрольные вопросы
- •4. Системы эконометрических уравнений
- •4.1. Структурная и приведенная формы модели
- •4.2. Оценка параметров структурной формы модели
- •4.3. Косвенный метод наименьших квадратов
- •4.4. Двухшаговый метод наименьших квадратов
- •4.5. Трехшаговый метод наименьших квадратов
- •Контрольные вопросы
- •5. Моделирование одномерных временных рядов и прогнозирование
- •5.1. Составляющие временного ряда
- •5.2. Автокорреляция уровней временного ряда
- •5.3. Моделирование тенденции временного ряда
- •5.3.1. Методы определения наличия тенденции
- •5.3.2. Сглаживание временного ряда по методу скользящей средней
- •5.3.3. Метод аналитического выравнивания
- •5.3.4. Выбор вида тенденции
- •5.3.5. Оценка адекватности и точности модели тенденции
- •5.4. Моделирование периодических колебаний
- •5.4.1. Выделение периодической компоненты по методу скользящей средней
- •5.4.2. Моделирование сезонных колебаний с помощью фиктивных переменных
- •5.4.3 Моделирование сезонных колебаний с помощью гармонического анализа
- •5.5. Прогнозирование уровней временного ряда на основе кривых роста.
- •5.5.1. Метод аналитического выравнивания
- •5.6. Адаптивные модели прогнозирования
- •5.6.1. Понятие адаптивных методов прогнозирования
- •5.6.2. Экспоненциальное сглаживание
- •5.6.3. Использование экспоненциальной средней для краткосрочного прогнозирования
- •5.6.4. Адаптивные полиномиальные модели
- •5.7. Исследование взаимосвязи двух временных рядов
- •5.8. Коинтеграция временных рядов
- •Контрольные вопросы
- •6. Линейные модели стохастических процессов
- •6.1. Стационарные стохастические процессы
- •6.1.1. Основные понятия
- •6.1.2. Параметрические тесты стационарности
- •6.1.3. Непараметрические тесты стационарности
- •6.2. Линейные модели стационарных временных рядов. Процессы arma
- •6.2.1. Модели авторегрессии (ar)
- •6.2.2. Модели скользящего среднего (ma)
- •6.2.3. Модели авторегрессии-скользящего среднего (arma)
- •6.3. Автокорреляционные функции
- •6.3.1. Автокорреляционная функция
- •6.3.2. Частная автокорреляционная функция
- •6.4. Прогнозирование arma-процессов
- •6.4.3. Arma-процессы
- •6.5. Нестационарные интегрируемые процессы
- •6.5.1. Нестационарные стохастические процессы. Нестационарные временные ряды
- •6.5.2. Тесты Дики-Фуллера
- •6.5.3. Модификации теста Дики-Фуллера для случая автокорреляции
- •6.5.4. Метод разностей и интегрируемость
- •6.6. Модели arima
- •6.6.1. Определение и идентификация модели
- •6.6.2. Прогнозирование arima-процессов
- •Контрольные вопросы
- •7. Динамические эконометрические модели
- •7.1. Общая характеристика динамических моделей
- •7.2. Модели с распределенным лагом
- •7.2.1. Оценка параметров модели с распределенным лагом методом Койка
- •7.2.2. Оценка параметров модели с распределенным лагом методом Алмон.
- •7.2.3. Интерпретация параметров
- •7.3. Модели авторегрессии
- •7.3.1. Интерпретация параметров
- •7.3.2. Оценка параметров моделей авторегрессии
- •7.4. Модель частичной корректировки
- •7.5. Модель адаптивных ожиданий
- •Контрольные вопросы
- •8. Информационные технологии эконометрических исследований
- •8.1. Электронные таблицы Excel
- •8.2. Статистический пакет общего назначения statistica
- •8.3. Эконометрические программные пакеты. Matrixer 5.1
- •8.4. Анализ временных рядов в системе эвриста
- •Контрольные вопросы
- •Глоссарий
Контрольные вопросы
Какие эконометрические модели называются динамическими?
Что представляют из себя модели авторегрессии?
Что представляют из себя модели с распределенным лагом?
Что является значениями лаговых переменных?
Как интерпретируются параметры модели с распределенным лагом?
Как интерпретируются параметры модели авторегрессии?
В чем заключается метод Койка?
В чем заключается метод Алмон?
Как осуществляется оценка параметров моделей авторегрессии?
В чем заключается модель частичной корректировки?
В чем заключается модель адаптивных ожиданий?
Приведите пример модели частичной корректировки.
Приведите пример модели адаптивных ожиданий.
8. Информационные технологии эконометрических исследований
На современном этапе невозможно представить эконометрическое исследование без применения компьютеров. В настоящее время исследователю доступно большое количество разнообразных программных продуктов, которые могут быть использованы для решения эконометрических задач. Сюда относятся, естественно, и все статистические программные пакеты. Практика их использования позволила сформулировать следующие общие требования, предъявляемые к программному обеспечению, применяемому в эконометрических исследованиях:
наличие удобных средств для работы с исходными данными;
расчет статистических характеристик;
поддержка методов построения моделей взаимосвязей;
поддержка методов оценки адекватности моделей;
реализация методов анализа и моделирования временных рядов;
реализация методов прогнозирования;
реализация статистических критериев;
обеспечение возможности создания и сохранения сценария исследования, представляющего описание последовательно применяемых процедур;
визуализация промежуточных и конечных результатов исследования.
Наиболее важными для исследователя являются средства автоматизации процесса моделирования и оценка адекватности полученных моделей.
С точки зрения эффективности использования рабочего времени важное значение имеют такие возможности по работе с исходными данными, как
удобный ввод данных;
накопление и хранение эконометрических данных;
фильтрация и поиск информации;
предварительная обработка данных.
Удобный ввод данных подразумевает наличие средств копирования данных из других приложений (созданных другими программными продуктами) в табличном виде либо возможности загрузки данных из файлов стандартных форматов (.xml, .xls, .txt).
Важное значение имеет также возможность графического представления исходных данных и результатов средствами 2D и 3D-графики.
Применяемое в эконометрических исследованиях программное обеспечение можно разделить на следующие группы:
Программы, реализующие технологию электронных таблиц MS Excel, OpenOffice.org Calc и др. Используют представление данных в табличном виде и позволяют решать простейшие эконометрические задачи.
Статистические пакеты общего назначения: SPSS, STATISTIСA, STATGRAPHICS и др.
Программы, ориентированные на решение эконометрических задач: Econometric Views, STADIA, Matrixer 3.4 и др.
Специализированные статистические пакеты, предназначенные для решения ограниченного круга задач ЭВРИСТА, МЕЗОЗАВР, ОЛИМП, Forecast Expert и др.;
Математические пакеты общего назначения Mathcad, Matlab, Maple, Mathematica и др.